Estadı́stica Aplicada Universidad Continental

Semestre 2023-I
Producto Académico III
Mayo
Profesor: Mg. Fritz Sierra Tintaya
WSP: 993 412 485

Producto Académico III

1. Considere el modelo de regresión

yi = β1 x1i + β2 x2i + µi

a. Derive el estimado de MCO para β1 y β2 en función de (xi , yi )

b. Suponga que el modelo ahora posee un intercepto. Mostrar que los estimadores de
mı́nimos cuadrados satisfacen βˆ0 = ȳi − βˆ1 x¯1 − βˆ2 x¯2

2. Considere el modelo de regresión lineal simple yi = α + βxi + µi .

a. Derive el estimador de MCO para α y β. ¿Cuál es la varianza de β? Mostrar que

el estimador de MCO para β es insesgado y consistente.
b. Demuestre que el promedio de los valores prosticados de yi es igual a media de los
valores verdaderos (ŷ¯ = ȳ).
c. Demostrar que ŷi = ᾱ + β̂xi pasa por el punto (x̄, ȳ)(medias muestrales)

3. Mostrar que log Y = α + β log X + µ da el mismo estimador de mı́nimos cuadrados

ordinarios de β si los logaritmos se toman en base 10 o base e ¿Es esto cierto para el
estimador de α?

4. Analice las siguientes proposiciones y explique:

a. El análisis de regresión y el análisis de correlación son dos conceptos similares.

b. El estimador MCO es eficiente, de tal manera que sus estimaciones se aproximan
al parámetro poblacional.
c. Los residuos minimo-cuadraticos ordinarios de una regresión de Y sobre la variable
explicativa (X) son ortogonales a X, pero no lo son a Y.
d. En el modelo de regresión lineal general, el supuesto de normalidad de las pertur-
baciones es necesario para poder estimar los parámetros del modelo.